基于差分变异算子的改进人工蜂群算法

文章针对传统人工蜂群算法收敛速度慢、精度不高的问题,基于差分进化算法中的变异算子,对人工蜂群算法搜索方程进行改进,在种群更新过程中引入当前种群最优个体信息,以提升算法的收敛速度和局部优化能力。     

一种基于遗传优化的k均值聚类算法研究

在k均值聚类算法设计过程中引入遗传算法,提出一种改进的k均值聚类遗传算法。在新的算法设计中对适度函数重新构造,同时在遗传算法的变异操作中引入新的变异算子,该变异操作主要利用对种群个体长度的不断改变来实现聚类数的自动增减,即使k值不断向最佳聚类值靠近。     

结构优化设计中自适应遗传算法的研究

主要介绍了一种基于非连续设计变量的结构优化设计方法一遗传算法(Genetic Al-gorithms，GA)。首先对遗传算法的来源、基本过程进行了论述；为了提高遗传算法的收敛性能，同时考虑到交叉率和变异率的选取问题，引入一种基于个体适应度值的自适应调整交叉率和变异率的自适应遗传算法，并通过算例表明自适应遗传算法是有效的。     

基于自适应遗传算法的钢筋混凝土桥墩抗震设计方法

为满足钢筋混凝土桥墩抗震设计中对构件承载力和延性的要求,常需依靠设计者经验,对配筋方案进行反复调整,这就在一定程度上增加了结构设计难度,降低了工作效率。为解决这一实际问题,对传统自适应遗传算法中交叉率和变异率的计算方法进行改进,通过当前适应度值动态调整交叉率和变异率,在此基础上提出基于自适应遗传算法的钢筋混凝土桥墩结构抗震设计方法,实现对符合条件设计解的自动随机定向搜索,提高求解的收敛速度,并增强算法的鲁棒性。在对每一配筋方案的抗弯承载力和位移延性系数的计算中,又提出基于自适应遗传算法的钢筋混凝土桥墩弯矩 曲率关系的计算方法,提高求解效率。通过设计算例,可见该方法快速有效,计算过程无需人工干预,实现钢筋混凝土桥墩结构抗震设计的人工智能化。     

引入新算子采用隔代映射遗传算法对钢框架进行优化设计

通过引入新的交叉和变异算子,改进遗传算法。隔代映射遗传算法将种群分为多个子群,通过个体迁移、加强多元性及求较优解确定不同种群之间的联系。将新算子引入隔代映射遗传算法中,并采用此算法,按AISC-ASD规范规定,对钢框架进行最小重量优化设计。通过对某3跨3层钢框架和5跨22层特殊钢框架的优化设计,验证了本方法的有效性。对优化求解方法做了重要改进,减少了有限元分析计算量。     

求解布局分配问题的群智能聚类算法

提出1种适用于求解布局分配问题的的群智能聚类算法,布局分配问题属于选址问题的1种,其数学表达为包含混合变量的非线性规划模型。根据问题的特点将聚类思想引入群体智能算法,种群中的个体再分出1级,称为"子个体",同一个体具有相同的适应度,而子个体根据个体适应度与自身所获得的信息进行移动,其移动有3种方式,方式1与方式2是子个体根据周围需求点的分布而移动,方式3为结合当前种群最优位置信息移动。对7组文献数据使用算法进行50次优化运算,并给出运算的最优值、均值与标准差。运算结果表明:群智能聚类算法能够达到或接近问题的最优解,与一些智能算法相比,算法在问题规模较大时运算结果更优。     

基于云模型的BBO算法优化模糊PID控制研究

为了解决模糊PID控制过度依赖专家知识经验和控制精度不高的问题,文章将云模型理论引入BBO算法,提出一种云模型改进BBO算法的模糊PID控制算法。根据BBO算法适应度的大小,将BBO种群个体划分为优良、普通和较差3类子群,通过云模型调整因子优化迁入率和迁出率的取值范围,提高BBO算法的收敛速度和避免陷入局部最优。研究结果表明,通过改进的BBO算法优化模糊PID控制器的隶属度函数,可以获得优良的控制效果。与BBO-Fuzzy PID和Fuzzy PID对比可知,提出的算法具有控制精度高、响应快和超调量小的优点,同时具有更快的收敛速度。     

基于并行改进遗传算法的三维电阻率反演方法

计算效率极低是阻碍遗传算法用于三维电阻率反演的瓶颈,使得很多对改善反演效果和搜索质量有利但又很耗时的改进方法无法应用到遗传算法中。针对上述问题,基于遗传算法天然的并行计算特性,提出了新的多重主从并行计算策略及其算法。提出了初始群体的严格均布产生方法,以提高初始群体接近最优解的概率;提出了基于交叉个体适应度差异的比例随机算术交叉算法,以保证优良个体的遗传竞争优势;建立了混合变异算法,将传统的随机变异算法与线性反演中确定性搜索优化算法相结合,即保持了变异的随机性又控制了优化方向。最后将并行改进遗传算法用于合成算例和实际应用案例中,发现并行改进遗传算法的计算效率显著提高,且在寻找最优解、压制假异常、提高反演效果方面具有明显优势,为实际工程中电阻率探测的三维成像提供了有效途径。     

用遗传算法优化钢截面探讨

介绍了建立钢结构截面优化设计数学模型，从个体编码、初始群体适应度函数的构造、复制、变异、群体重组、终止条件的几方面对遗传算法步骤进行了分析，最终实现对结构的优化设计。     

求解静态流水车间调度的改进遗传算法

本文选取静态流水车间作为研究对象,主要针对标准遗传算法进行改进。提出一种交叉率Pc以及变异率Pm随个体适应程度改变而改变,能够使个体更快跳出局部最优或能够保护优良个体的改进遗传算法。选择个体的时候采用锦标赛选择法,在一定范围内设置可变的交叉率和变异率,变大或变小根据适应程度改变。最后选取标准算例来验证,通过真实数据证明改进后的遗传算法更能够跳出过早收敛,最小最大时间明显缩短。